随着嵌入式系统以及微电子技术的飞速发展,硬件的集成度越来越高,这使得将CPU、存储器和I/O设备集成到一个硅片上成为可能,SoC以其集成度高、可靠性好、产品问世周期短等特点逐步成为当前嵌入式系统设计技术的主流。但随着系统复杂性的增加,传统的设计方法已经无法满足系统设计的要求,因此,软硬件协同设计应运而生,软硬件划分技术是软硬件协同技术一个关键步骤。本文首先介绍了国内外对软硬件划分技术的研究现状,并针对嵌入式系统规模复杂性不断增加的趋势,提出了一种聚类遗传融合划分算法(CGA)。该算法以经典的遗传算法(GA)为基础,将聚类算法与GA相结合,该聚类方法对经典的K-means算法进行了改进,即将系统基于参考任务节点和密度来进行预先划分,这是一个动态划分过程,划分过程中的参考任务节点是虚拟的点,其参考任务点的数量k值是动态变化的,能够使初步划分的结果更加合理。再采用经典的遗传算法对初步划分的结果进行软硬件划分。这就解决了遗传算法在系统规模扩大时,容易陷入局部最优这个问题,同时在算法运行时间上也有明显的减少,提高了算法的全局最优性和效率。最后本文采用TGFF工具随机生成的数据对CGA算法进行了验证,将GA算法和本文提出的CGA算法在算法运行时间,成本以及适应度等几方面进行了对比验证。验证结果表明,由于CGA算法吸取了改进的聚类的思想,使大规模问题缩小化,不仅在运行时间上大大减少,而且随着节点数的增多,适应度的优势也凸显出来。